Checklist: uma página está pronta para a IA citar?

Uma página está pronta para ser citada pela IA quando cumpre quatro condições ao mesmo tempo: resposta direta nos primeiros parágrafos, headings que funcionam como perguntas ou afirmações descritivas, blocos de conteúdo que fazem sentido de forma autônoma e o schema adequado ao tipo de conteúdo. O crawler que rastreia a página precisa conseguir ler tudo isso sem depender de JavaScript ou de diretivas no robots.txt que bloqueiem o acesso.

O checklist abaixo organiza essa verificação em quatro blocos: conteúdo, estrutura, confiança e técnico. Use-o antes de publicar uma página nova ou ao revisar páginas que já estão no ar mas não aparecem nas respostas dos modelos. Este tutorial difere do artigo sobre conteúdo que as IAs escolhem citar, que descreve as características, porque transforma essas características em itens verificáveis, página a página, sem depender de julgamento subjetivo.

Por que a página é a unidade de decisão da IA?

Quando o ChatGPT, o Perplexity ou o Gemini precisam citar uma fonte, eles avaliam cada página de forma independente. O modelo não considera o domínio como um todo: um artigo excelente num blog não garante que a página de produto ao lado seja citável. Cada URL é processada separadamente. O crawler lê o HTML, extrai o texto e verifica se existe dado estruturado. A decisão de citar ou não acontece nessa granularidade.

Isso tem uma consequência prática que muitos ignoram. Você pode ter um site bem estruturado no geral e ainda ter páginas específicas invisíveis para a IA porque um único item está faltando: a data de atualização, o schema correto, um heading que não chega ao ponto antes do terceiro parágrafo. A taxa de citação de uma marca depende da qualidade de cada página individualmente, não da média do domínio.

O artigo como auditar seu site para GEO cobre a visão de domínio completo: quantas páginas têm schema, qual é a profundidade média de conteúdo, onde o sitemap falha. Este checklist é o oposto: o recorte de uma URL específica, aplicado antes de publicar ou quando uma página existente não está aparecendo onde deveria.

Os 4 blocos do checklist

Nenhum item abaixo garante citação por si só. O que cada um faz é remover uma barreira. Páginas que acumulam problemas em múltiplos blocos têm probabilidade muito menor de aparecer nas respostas dos modelos. A lógica é cumulativa: cada item aprovado aumenta a chance de extração; cada item reprovado é uma razão para o modelo preferir outra fonte.

Bloco 1: Conteúdo

O modelo extrai texto. Se o texto não responde à pergunta de forma direta e em frases que fazem sentido sozinhas, a página perde para outra fonte que responde. Este bloco é o de maior impacto e o mais fácil de corrigir sem mexer na estrutura técnica.

• Resposta direta nos dois primeiros parágrafos. Quem lê só a abertura entende o ponto central da página. Sem prefácio que apresenta o assunto antes de respondê-lo. Veja exemplos e variações no artigo sobre a resposta direta no topo.
• Frases standalone. Cada parágrafo faz sentido sem o contexto do anterior. Sem "como vimos acima" ou referências cruzadas que exigem leitura do trecho anterior para fazer sentido. A fragmentação em blocos independentes é o que permite extração sem ambiguidade pelo modelo.
• Definições completas na primeira aparição. Cada termo técnico é definido dentro da mesma frase ou do mesmo parágrafo em que aparece pela primeira vez. O modelo não vai buscar a definição três seções adiante.
• Texto que chega direto à informação. O parágrafo começa com o dado, não com o anúncio do dado. Sem "é importante notar que" antes de uma afirmação direta, sem recap do que foi dito na seção anterior.

Bloco 2: Estrutura

A hierarquia da página sinaliza relevância para o crawler. Um heading descritivo diz ao modelo onde está cada tipo de informação, reduzindo a margem de inferência e aumentando a probabilidade de extração do trecho certo para a pergunta certa.

• H1 único e descritivo. A página tem exatamente um H1 correspondente ao tema principal. Templates de CMS frequentemente duplicam o H1 no título da aba e no corpo: verifique.
• Hierarquia sem pulo de nível. A sequência segue H1 → H2 → H3 sem saltar: sem H3 que aparece logo após um H1 sem um H2 intermediário. Para detalhes e exemplos práticos, veja hierarquia de headings para IA.
• Headings descritivos, de preferência formulados como perguntas. "Como funciona o reembolso?" é mais útil para o modelo do que "Política de reembolso". O heading que corresponde à formulação da query do usuário é o que o modelo usa como âncora para extrair o parágrafo certo.
• Tabelas e listas em markup legível. Dados comparativos em tabela HTML ou markdown simples. Sem tabela construída com divs e classes visuais que o crawler não consegue mapear como grade de dados.
• Parágrafos curtos. Blocos de 3 a 5 linhas são mais extraíveis do que parágrafos longos com uma boa frase enterrada no meio.

Bloco 3: Confiança

Os modelos atribuem mais peso a fontes que sinalizam autoria, data e base factual. Esses sinais aparecem no texto visível e, quando disponíveis, nos dados estruturados da página. A ausência desses sinais não impede a citação, mas aumenta a chance de o modelo preferir uma fonte que os tem.

• Data de publicação visível. A data aparece na página, não apenas no sitemap ou no metadata do CMS. Conteúdo sem data visível é tratado como potencialmente desatualizado pelos crawlers.
• Data de atualização quando houver revisão. Se a página foi revisada, a data de atualização aparece junto à de publicação. O campo dateModified no schema Article reforça esse sinal na camada técnica sem exigir mudança visual.
• Fonte explícita em dados e estatísticas. Todo dado factual cita a origem no mesmo parágrafo, com o ano. Exemplo: "(Fonte: nome do relatório, 2024)". Dado sem fonte não é verificável e tende a receber menos peso por modelos que priorizam rastreabilidade.
• Sinal de autoria. Nome do autor ou da empresa aparece de forma clara na página. Uma página de autor com perfil, ou um link para perfil externo verificável, reforça o sinal de expertise associado ao conteúdo.

Bloco 4: Técnico

Conteúdo excelente numa página inacessível para o crawler não é citado. Este bloco verifica se a infraestrutura permite a leitura. Os itens aqui são binários: passa ou reprova, sem meio-termo.

• Schema adequado ao tipo de página. Home: Organization. Artigo: Article ou BlogPosting. Seção de perguntas e respostas: FAQPage. Produto: Product. Sem schema, o modelo infere tipo e contexto a partir do texto, com margem de erro maior.
• Conteúdo acessível sem JavaScript. O texto principal aparece no HTML estático, sem depender de scripts executados após a renderização. Teste com "Exibir código-fonte" no navegador: o conteúdo está lá? Se não estiver, veja o artigo sobre se a IA consegue ler um site em JavaScript.
• robots.txt não bloqueia a URL. Nenhuma diretiva Disallow cobre a URL ou o diretório que contém a página. Bloquear crawlers de IA no robots.txt é uma decisão válida, mas precisa ser intencional e documentada.
• Página incluída no sitemap. O sitemap.xml lista a URL. Crawlers usam o sitemap como mapa de prioridade de rastreamento, e páginas ausentes podem demorar mais para ser descobertas e indexadas.

Tabela de verificação rápida

Como usar o checklist: antes de publicar e no refresh?

Antes de publicar, percorra os 4 blocos na ordem. A maioria dos problemas é mais fácil de corrigir no rascunho do que depois de publicado. Um heading que não funciona como pergunta, um parágrafo de abertura que demora três frases para chegar ao ponto, um schema ausente: todos são ajustes simples quando o texto ainda não está no ar. Reserve 10 a 15 minutos por página para essa revisão antes de publicar.

O momento mais crítico do Bloco 4 é antes da publicação. Um schema mal formado ou uma diretiva no robots.txt que bloqueia a URL acidentalmente não aparece nos relatórios de performance até que o dano já tenha acontecido. Valide o JSON-LD com o Rich Results Test (search.google.com/test/rich-results) antes de colocar a URL no ar. Se o validador apontar erros, corrija antes de publicar: avisos podem esperar, erros bloqueiam.

No refresh de páginas antigas, comece pelo Bloco 1 e pelo Bloco 3. Na maioria dos casos de páginas que já estão indexadas mas não aparecem nas respostas da IA, o problema está no texto: abertura genérica que não responde nada, dados sem fonte ou data ausente. Corrija o texto primeiro. A mudança costuma ser perceptível no ciclo de rastreamento seguinte, sem nenhuma alteração técnica.

Depois do Bloco 1 e do Bloco 3, verifique o Bloco 4. Páginas mais antigas costumam ter schemas desatualizados ou ausentes. Algumas estão em diretórios que foram bloqueados no robots.txt por uma configuração de anos atrás, nunca revisada depois de uma migração de CMS.

O hub de GEO técnico reúne os guias detalhados para cada bloco: desde headings e schema até renderização e acesso da IA ao conteúdo.

Quanto tempo leva verificar uma página?

Uma revisão completa com os 4 blocos leva entre 10 e 20 minutos por URL, dependendo do volume de conteúdo e da complexidade técnica da implementação. Para um site com dezenas ou centenas de páginas, isso se torna inviável quando feito de forma manual, especialmente se o objetivo é manter o checklist atualizado à medida que o conteúdo evolui.

Checar página a página à mão é viável para um conjunto pequeno. Para escala, a auditoria de site da Promptis aplica esse tipo de verificação automaticamente e aponta, por página, onde cada critério passa e onde falha: presença e validade de schema, profundidade de conteúdo, hierarquia de headings, inclusão no sitemap e acessibilidade ao crawler. Você vê quais páginas estão prontas e quais precisam de ajuste, sem abrir cada URL individualmente. A primeira análise é gratuita, sem cartão de crédito.